KR20200084130A - 사용자 발화의 오류를 교정하는 방법 및 장치 - Google Patents

사용자 발화의 오류를 교정하는 방법 및 장치 Download PDF

Info

Publication number
KR20200084130A
KR20200084130A KR1020190000139A KR20190000139A KR20200084130A KR 20200084130 A KR20200084130 A KR 20200084130A KR 1020190000139 A KR1020190000139 A KR 1020190000139A KR 20190000139 A KR20190000139 A KR 20190000139A KR 20200084130 A KR20200084130 A KR 20200084130A
Authority
KR
South Korea
Prior art keywords
user
string
error
candidates
speech
Prior art date
Application number
KR1020190000139A
Other languages
English (en)
Other versions
KR102217621B1 (ko
Inventor
이다니엘
고병일
김응균
Original Assignee
주식회사 카카오
주식회사 카카오엔터프라이즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 카카오, 주식회사 카카오엔터프라이즈 filed Critical 주식회사 카카오
Priority to KR1020190000139A priority Critical patent/KR102217621B1/ko
Publication of KR20200084130A publication Critical patent/KR20200084130A/ko
Application granted granted Critical
Publication of KR102217621B1 publication Critical patent/KR102217621B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

일 실시예에 따른 사용자 발화의 오류를 교정하는 방법은 가수명 및 곡명을 포함하는 사용자 발화에 대응하는 발음열을 수신하는 단계; 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정하는 단계; 복수의 후보들에 대응하는 자질 목록에 기초하여, 복수의 후보들 중 어느 하나의 후보를 선택하는 단계; 및 선택된 후보에 기초하여 사용자 발화의 오류를 교정하는 단계를 포함한다.

Description

사용자 발화의 오류를 교정하는 방법 및 장치{APPARATUS AND METHOD OF CORRECTING USER UTTERANCE ERRORS}
아래의 실시예들은 사용자 발화의 오류를 교정하는 방법 및 장치에 관한 것이다.
기술의 발전으로 다양한 인공지능 가상 비서 제품들이 출시되고 있다. 예를 들어, 스마트 스피커(Smart speaker)는 무선 스피커의 일종으로서, 하나 이상의 인상적인 말(hot word) 또는 음성 명령의 도움을 통해 사용자와 상호 작용(user interaction)을 수행하는 가상 비서가 내장된 보이스 커맨드 디바이스일 수 있다. 가상 비서 제품들은 음성 명령으로 음악 감상과 정보 검색 등의 기능을 수행할 수 있다. 이러한 가상 비서 제품들은 사용자의 음성 인식에 기반하여 다양한 동작을 수행한다. 따라서, 음성 인식 시에 발생한 오류는 전체 시스템으로 전파될 수 있다. 스마트 스피커 및/또는 가상 비서 제품들에서 음성 인식의 정확률이 매우 중요하다.
일 측에 따르면, 사용자 발화의 오류를 교정하는 방법은 가수명 및 곡명을 포함하는 사용자 발화에 대응하는 발음열을 수신하는 단계; 상기 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정하는 단계; 상기 복수의 후보들에 대응하는 자질 목록에 기초하여, 상기 복수의 후보들 중 어느 하나의 후보를 선택하는 단계; 및 상기 선택된 후보에 기초하여 상기 사용자 발화의 오류를 교정하는 단계를 포함한다.
상기 발음열을 수신하는 단계는 상기 사용자 발화에 기초한 음악 컨텐츠의 재생 요청에 실패한 경우, 상기 사용자 발화에 대응하는 발음열을 수신하는 단계를 포함할 수 있다.
상기 복수의 후보들을 결정하는 단계는 상기 발음열과 상기 정답 후보 사전에 포함된 문자열 후보들 간의 유사도들을 산출하는 단계; 및 상기 유사도들을 기초로, 상기 복수의 후보들을 결정하는 단계를 포함할 수 있다.
상기 유사도들을 산출하는 단계는 상기 발음열의 삽입, 삭제, 치환, 및 역수에 따른 상기 문자열 후보들과의 의 거리에 기초하여 상기 유사도들을 산출하는 편집 거리 유사도(Damerau Levenshtein Edit distance); 상기 발음열과 상기 문자열 후보들 간의 치환 비용에 접미사의 길이 가중치를 결합하여 상기 유사도들을 산출하는 자로-윙클러(Jaro-Winkler) 유사도; 및 상기 발음열과 상기 문자열 후보들 간의 중복 비율을 이용하여 상기 유사도들을 산출하는 오버랩(Overlap) 유사도 중 적어도 하나에 기초하여 상기 유사도들을 산출하는 단계를 포함할 수 있다.
상기 복수의 후보들을 결정하는 단계는 상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 일부 일치하는 문자열 이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계; 및 상기 일부 일치하는 문자열에 기초하여 상기 복수의 후보들을 결정하는 단계를 포함할 수 있다.
상기 복수의 후보들을 결정하는 단계는 상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 완전 일치하는 문자열이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계; 상기 발음열과 완전 일치하는 문자열이 상기 정답 후보 사전에 존재하지 않는 경우, 상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 일부 일치하는 문자열 이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계; 및 상기 완전 일치하는 문자열 또는 상기 일부 일치하는 문자열에 기초하여 상기 복수의 후보들을 결정하는 단계를 포함할 수 있다.
상기 정답 후보 사전은 상기 가수명 및 곡명에 대한 정보, 상기 가수명 및 상기 곡명에 대한 동의어 부가 정보를 포함하는 음악 데이터베이스에 기초하여 생성될 수 있다.
상기 정답 후보 사전은 미리 설정된 기준에 따른 일부 정답 후보 사전과 전체 정답 후보 사전 중 적어도 하나를 포함할 수 있다.
상기 정답 후보 사전은 미리 설정된 기간 동안의 누적 클릭 로그(click log)에 의해 필터링filtering)될 수 있다.
상기 복수의 후보들 중 어느 하나의 후보를 선택하는 단계는 상기 자질 목록에 기초하여, 상기 복수의 후보들의 교정 필요 여부를 결정하는 단계; 및 상기 교정 필요 여부에 기초하여 상기 어느 하나의 후보를 결정하는 단계를 포함할 수 있다.
상기 자질 목록은 상기 가수명 및 상기 곡명을 결합한 전체 유사도, 상기 가수명 유사도, 및 상기 곡명 유사도 중 적어도 하나를 포함할 수 있다.
상기 사용자 발화의 오류를 교정하는 방법은 상기 사용자 발화를 상기 발음열로 변환하는 단계를 더 포함할 수 있다.
상기 사용자 발화의 오류를 교정하는 방법은 상기 사용자 발화의 오류를 교정한 결과를 출력하는 단계를 더 포함할 수 있다.
상기 사용자 발화의 오류를 교정하는 방법은 상기 사용자 발화의 오류를 교정한 결과에 대응하는 음악 컨텐츠를 검색 및 제공하는 단계를 더 포함할 수 있다.
도 1은 일반적인 스마트 스피커의 처리 과정을 설명하기 위한 도면.
도 2는 일 실시예에 따른 사용자 발화의 오류를 교정하는 방법을 나타낸 흐름도.
도 3은 일 실시예에 따른 사용자 발화의 오류를 교정하는 발화 교정 모델의 블록도.
도 4는 일 실시예에 따른 후보 생성 모델의 동작을 설명하기 위한 도면.
도 5는 일 실시예에 따른 정답 후보 사전의 생성 과정을 설명하기 위한 도면.
도 6은 일 실시예에 따른 스마트 스피커와 서버 간에 사용자 발화의 오류를 교정하는 방법을 설명하기 위한 도면.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 입력, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 입력, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일반적인 스마트 스피커의 처리 과정을 설명하기 위한 도면이다. 도 1을 참조하면, 스마트 스피커는 음성 인식(110), 자연어 이해(120), 검색(130), 및 자연어 생성(140) 과정을 거쳐 사용자와의 인터랙션에 부합하는 동작을 수행할 수 있다. 이때, 음성 인식(100) 과정에서는 예를 들어, TV 등과 같이 외부에서 유입되는 소리를 포함하는 음성 인식 환경, 아이부터 할머니, 할아버지까지 다양한 연령대의 가족 구성원들에 의한 발화, 음악, 택시 호출, 메시지 전송, 날씨, 및 운세 등과 같은 여러 도메인 지원, 음성 인식의 수행 중에 동작이 종료됨에 따른 종료 지점 예측 문제(End Point Detection; EPD) 등과 같은 다양한 원인으로 인해 오류가 발생할 수 있다. 음성 인식(100) 과정의 오류는 전체 시스템의 오류로 작용할 수 있어 사용자 만족도를 감소시킬 수 있다.
전술한 문제는 음악 재생 발화 시에도 발생할 수 있다. 예를 들어, 음악 재생 발화 시에는 음성 인식(100) 과정에서 다양한 형태로 발화된 가수명과 곡명에 의해 오류가 빈번히 발생할 수 있다. '음악 재생 발화'는 음악 재생과 관련된 발화로 이해될 수 있다. 음악 재생 발화는 예를 들어, '아이유의 좋은날 들려줘'나 'IKON의 사랑을 했다 틀어줘' 등과 같이 가수명과 곡명이 포함된 사용자 발화들로 구성될 수 있다.
음악 재생 발화에서 발생하는 오류 유형은 아래의 [표 1]과 같이 정리할 수 있다.
Figure pat00001
유사 발음 오류 유형은 예를 들어, '씨야'가 '지아'와 같이 서로 유사한 발음을 가진 단어로 잘못 인식된 경우에 발생할 수 있다. 유사 발음 오류 유형은 인식 결과보다 정답의 언어 모델 확률이 낮은 경우에 발생할 수 있다.
띄어쓰기 오류 유형은 정답과 인식 결과의 띄어 쓰기가 '뿜뿜'과 '뿜 뿜'과 같이 서로 다른 경우에 발생할 수 있다. 띄어쓰기 오류 유형은 사용자가 발화 시에 띄어서 말 하는 경우에 발생하거나 띄어 쓴 결과의 언어 모델 확률이 높은 경우에 발생할 수 있다.
영어↔한글 오류 유형은 사용자가 발화한 영어가 한글로 인식되거나, 또는 사용자가 발화한 한글이 영어로 인식되는 경우에 발생할 수 있다.
삽입 오류 유형은 발화 종료 지점(EPD)을 정확히 예측하지 못하거나 예를 들어, "run run"과 같이 같은 단어가 반복하여 인식된 경우에 발생할 수 있다.
삭제 오류 유형은 사용자가 예를 들어, "ABBA I have a dream"을 "ABBA the dream"과 같이 정답의 일부만 발화하는 경우에 주로 발생할 수 있다.
인지 오류 유형은 예를 들어, "인피니티의 내꺼하자"를 "샤이니의 내꺼 하자"를 사용자가 가수와 곡을 혼동하여 발화함으로써 발생할 수 있다.
기호 인식 오류 유형은 가수명이나 곡명에 포함된 기호의 발음 형태가 다양한 경우에 발생한다. 기호 인식 오류 유형은 예를 들어, '76-71='이 '76 빼기 71은', '76 마이너스 71은' 등과 같이 다양한 형태로 발화되는 경우에 발생할 수 있다.
이외에도 숫자와 관련된 오류나 외국곡을 발음할 때 발생하는 오류 등 다양한 오류 유형들이 존재할 수 있다.
일 실시예에서는 음성 인식(110) 과정에서 발생하는 다양한 유형의 오류들을 후술하는 방법을 통해 교정함으로써 스마트 스피커 및/또는 가상 비서 제품들에서 음성 인식의 정확률을 향상시키는 한편, 사용자의 만족도 또한 향상시킬 수 있다.
도 2는 일 실시예에 따른 사용자 발화의 오류를 교정하는 방법을 나타낸 흐름도이다. 도 2를 참조하면, 사용자 발화의 오류를 교정하는 장치(이하, '교정 장치')는 가수명 및 곡명을 포함하는 사용자 발화에 대응하는 발음열을 수신한다(210). 여기서, 사용자 발화는 예를 들어, 음악 재생과 관련된 음악 재생 발화일 수 있다. '발음열'은 발음 기호들의 시퀀스에 해당하며, 예를 들어, 영문자로 맵핑(mapping)될 수 있다. 교정 장치는 예를 들어, 사용자 발화에 기초한 음악 컨텐츠의 재생 요청에 실패한 경우, 사용자 발화에 대응하는 발음열을 수신하여 사용자 발화의 오류를 교정할 수 있다. 일 실시예에 따른 교정 장치는 예를 들어, 단일 서버 또는 클라우드 서버 자체일 수도 있고, 서버에 포함된 일부 모듈 또는 스마트 스피커일 수도 있다. 또는 교정 장치는 서버와 스마트 스피커에 분산적으로 배치될 수도 있다.
교정 장치는 단계(210)에서 수신한 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정한다(220). 교정 장치는 발음열과 정답 후보 사전에 포함된 문자열 후보들 간의 유사도들을 산출할 수 있다. 문자열 후보(들)은 발음 기호들의 시퀀스에 해당하며, 예를 들어, 발음열과 마찬가지로 영문자로 맵핑될 수 있다. 발음열이 사용자의 발화에 대응하는 것과 달리, 문자열 후보(들)은 정답 후보 사전에 미리 등록된 텍스트에 대응하는 것으로 이해될 수 있다. 문자열 후보(들)과 발음열은 모두 문자 형태로 맵핑되므로 서로 유사도 비교가 가능해질 수 있다.
교정 장치는 예를 들어, 발음열의 삽입, 삭제, 치환, 및 역순에 따른 문자열 후보들과의 거리에 기초하여 유사도들을 산출하는 편집 거리 유사도(Damerau Levenshtein Edit distance), 발음열과 문자열 후보들 간의 치환 비용에 접미사의 길이 가중치를 결합하여 유사도들을 산출하는 자로-윙클러(Jaro-Winkler) 유사도, 및 발음열과 문자열 후보들 간의 중복 비율을 이용하여 유사도들을 산출하는 오버랩(Overlap) 유사도 중 적어도 하나에 기초하여 유사도들을 산출할 수 있다. 교정 장치가 유사도들을 산출하는 방법은 아래의 도 3을 참조하여 구체적으로 설명한다.
교정 장치는 유사도들을 기초로, 복수의 후보들을 결정할 수 있다. 교정 장치는 예를 들어, 유사도들을 기초로 가수명 및 곡명에 대응하는 발음열과 완전 일치하는 문자열이 정답 후보 사전에 존재하는지 여부를 결정할 수 있다. 교정 장치는 발음열과 완전 일치하는 문자열이 정답 후보 사전에 존재하지 않는 경우, 유사도들을 기초로, 가수명 및 곡명에 대응하는 발음열과 일부 일치하는 문자열이 정답 후보 사전에 존재하는지 여부를 결정할 수 있다. 교정 장치는 발음열과 완전 일치하는 문자열 또는 일부 일치하는 문자열에 기초하여 복수의 후보들을 결정할 수 있다. 교정 장치가 복수의 후보들을 결정하는 방법은 아래의 도 4를 참조하여 구체적으로 설명한다.
여기서, 정답 후보 사전은 가수명 및 곡명에 대한 정보, 가수명 및 곡명에 대한 동의어, 유사어 등과 같은 부가 정보를 포함하는 음악 데이터베이스에 기초하여 생성될 수 있다. 정답 후보 사전은 미리 설정된 기준에 따른 일부 정답 후보 사전과 전체 정답 후보 사전 등을 포함할 수 있다. 미리 설정된 기준에 따른 일부 정답 후보 사전은 예를 들어, 아래의 도 5에 도시된 것과 같이 TOP 100 정답 후보 사전(550)일 수 있다. 'TOP 100 정답 후보 사전'은 예를 들어, 최신순으로 인기 있는 100개의 음악 컨텐츠에 대한 가수명에 대한 정보, 곡명에 대한 정보, 가수명 및 곡명에 대한 동의어 부가 정보 등을 포함할 수 있다. 이때, TOP 100 정답 후보 사전은 음악 컨텐츠 분야 별로 인기 있는 100개의 최신 음악 컨텐츠에 대한 것일 수도 있고, 전체 음악 컨텐츠에서 인기 있는 100개의 최신 음악 컨텐츠에 대한 것일 수도 있다. TOP 100 정답 후보 사전은 미리 설정된 기준에 따른 일부 정답 후보 사전의 일 예시에 해당하며 반드시 이에 한정되지 않는다. 이 밖에도, 다양한 기준에 따라 일부 정답 후보 사전이 결정될 수 있다.
교정 장치는 복수의 후보들에 대응하는 자질 목록에 기초하여, 복수의 후보들 중 어느 하나의 후보를 선택한다(230). 교정 장치는 자질 목록에 기초하여, 복수의 후보들의 교정 필요 여부를 결정할 수 있다. 자질 목록은 예를 들어, 가수명 및 곡명을 결합한 전체 유사도, 가수명 유사도, 및 곡명 유사도 중 적어도 하나를 포함할 수 있다. 교정 장치는 교정 필요 여부에 기초하여 어느 하나의 후보를 결정할 수 있다.
교정 장치는 선택된 후보에 기초하여 사용자 발화의 오류를 교정한다(240).
교정 장치는 단계(240)에서 사용자 발화의 오류를 교정한 결과(이하, '교정 결과')를 출력할 수 있다(250). 또는 실시예에 따라서, 교정 장치는 교정 결과에 대응하는 음악 컨텐츠를 검색 및 제공할 수 있다.
도 3은 일 실시예에 따른 사용자 발화의 오류를 교정하는 발화 교정 모델의 블록도이다. 도 3을 참조하면, 일 실시예에 따른 발화 교정 모델(300)은 후보 생성 모델(310) 및 교정 판별 모델(330)을 포함할 수 있다. 발화 교정 모델(300)은 교정 장치에 포함될 수도 있고, 교정 장치와 결합된 외부 장치에 포함될 수도 있다.
발화 교정 모델(300)은 예를 들어, 음악 재생을 위한 발화 교정 모델로서 음악 컨텐츠에 대한 재생 요청이 실패한 경우에 구동될 수 있다. 여기서, '음악 컨텐츠에 대한 재생 요청이 실패한 경우'란 예를 들어, 음성 오인식과 발화자의 인지 오류로 인해 교정 장치가 재생할 음악 컨텐츠를 검색 및 제공할 수 없는 경우로 이해될 수 있다. 발화 교정 모델(300)은 사용자 발화에 대한 음악 도메인 분류와 자연어 이해를 통해 가수명과 곡명을 분석한 후, 사용자 발화에 대응하여 재생할 음악 컨텐츠를 검색할 수 없는 경우에 구동될 수 있다.
후보 생성 모델(310)은 사용자 발화를 발음열로 변환하고, 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정할 수 있다. 후보 생성 모델(310)은 발음열과 정답 후보 사전에 포함된 문자열 후보들 간의 유사도들을 산출하고, 유사도가 높은 순으로 미리 설정된 개수(예를 들어, 3개)의 후보들을 결정할 수 있다.
실시예에 따라서, 후보 생성 모델(310)은 유사도 별 임계값과 유사도들을 비교하여 임계 값을 초과하는 미리 설정된 개수(예를 들어, 5개)의 후보들을 결정할 수도 있다. 후보 생성 모델(310)은 예를 들어, 편집 거리 유사도, 자로-윙클러 유사도, 및 오버랩 유사도 산출 방법에 의해 유사도들을 산출할 수 있다.
편집 거리 유사도는 예를 들어, 삽입, 삭제, 치환, 및 역순 등에 따라 구성되는 발음열과 다양한 문자열 후보들 간의 거리에 기초하여 산출될 수 있다. 편집 거리 유사도는 예를 들어, 아래의 수학식 1과 같이 곡명(song) 및 가수명(artist) 각각에 대하여 산출될 수 있다.
Figure pat00002
여기서, x는 발음열을 나타내고, y는 정답 후보 사전에 포함된 문자열 후보(들)를 나타낼 수 있다.
Figure pat00003
는 발음열과 다양한 문자열 후보(들) 간의 거리에 해당하고,
Figure pat00004
는 가중치에 해당할 수 있다.
자로-윙클러 유사도는 발음열의 접두사(prefix)에 가중치를 두어 유사도를 산출하는 방식이다. 자로-윙클러 유사도는 발음열과 문자열 후보 간의 치환 비용에 접미사의 길이 가중치를 결합하여 산출할 수 있다. 예를 들어, 자로-윙클러 유사도는 예를 들어, 아래의 수학식 2와 같이 곡명 및 가수명 각각에 대하여 산출될 수 있다.
Figure pat00005
여기서,
Figure pat00006
는 발음열과 문자열 후보 간의 치환 비용에 해당하고,
Figure pat00007
는 접미사의 길이 가중치에 해당할 수 있다.
오버랩 유사도는 가수명과 곡명을 결합한 발음열과 문자열 후보 간의 중복 비율(또는 오버랩 비율)을 이용하여 아래의 수학식 3과 같이 산출할 수 있다.
Figure pat00008
실시예에 따라서, 후보 생성 모델(310)은 예를 들어, 편집 거리 유사도, 자로-윙클러 유사도 및/또는 오버랩 유사도 등과 같이 발음열과 정답 후보 사전에 포함된 문자열 후보들 간의 다양한 유사도 계산 방법들을 균등하게 결합하여 아래의 수학식 4와 같이 최종적인 유사도들을 산출할 수도 있다.
Figure pat00009
후보 생성 모델(310)의 동작은 아래의 도 4를 참조하여 보다 구체적으로 설명한다.
교정 판별 모델(330)은 후보 생성 모델(310)에서 출력한 후보들의 교정 여부를 판별할 수 있다. 교정 판별 모델(330)은 교정 여부를 예를 들어, 교정이 필요할 확률과 교정이 필요하지 않을 확률의 이진(binary) 분류로 판별할 수 있다. 교정 판별 모델(330)은 후보 생성 모델(310)에서 출력한 후보들에 대해 예를 들어, 아래의 [표 2]의 자질 목록에 기재된 것과 같이 16개의 자질 정보를 계산하여 기계 학습된 분류기의 자질로 사용할 수 있다.
Figure pat00010
자질 목록은 예를 들어, 가수명 및 곡명을 결합한 전체 유사도, 가수명 유사도, 및 곡명 유사도로 구분될 수 있다. 가수명 유사도, 및 곡명 유사도에는 편집 거리 유사도 및 자로-윙클러 유사도에 정규화(normalization)와 역순(reverse)을 적용한 자질들이 추가될 수 있다. 정규화는 문자열 또는 발음열에서 기호(symbol)와 공백(space)을 제거한 상태에 해당하고, 역순은 문자열 또는 발음열을 뒤집어 적용한 상태에 해당할 수 있다.
교정 판별 모델(330)은 예를 들어, 랜덤 포레스트(Random Forest; RF) 분류기를 포함할 수 있다. 랜덤 포레스트 분류기는 여러 가지 분류 모델을 결합하여 성능을 향상하는 앙상블 모델(Ensemble Model) 중 하나로서 의사 결정 나무(Decision Tree)를 개별 모형으로 사용할 수 있다.
교정 판별 모델(330)은 후보 생성 모델(310)에서 출력한 후보들의 교정 여부를 판별한 결과에 따라 교정이 필요하지 않을 확률이 가장 높은 후보에 의해 사용자 발화의 오류를 교정할 수 있다.
도 4는 일 실시예에 따른 후보 생성 모델의 동작을 설명하기 위한 도면이다. 도 4를 참조하면, 발음 변환 모듈(410), 완전 일치 탐색 모듈(430), 및 유사 후보 탐색 모듈(450)을 포함하는 후보 생성 모델(310)의 구조 및 동작이 도시된다.
후보 생성 모델(310)은 발음 변환 모듈(410)에 의해 가수명과 곡명을 포함하는 사용자 발화를 발음열로 변환하고, 완전 일치 탐색 모듈(430)을 통해 발음열에 대한 완전 일치 탐색을 수행하며, 유사 후보 탐색 모듈(450)을 통해 발음열에 대한 부분 일치 탐색을 수행할 수 있다. 이때, 완전 일치 탐색 및 부분 일치 탐색은 각각 일부 정답 후보 사전에 해당하는 TOP100 정답 후보 사전과 전체 정답 후보 사전을 순차적으로 검색함으로써 수행될 수 있다.
완전 일치 탐색 모듈(430)은 사용자 발화로부터 변환된 발음열과 동일한, 다시 말해 발음열과 완전 일치하는 문자열이 정답 후보 사전에 존재하는지 여부를 결정할 수 있다. 완전 일치 탐색 모듈(430)은 발음열과 완전 일치하는 문자열이 TOP 100 후보 사전(431)에 존재하는지 여부를 결정한 후, 전체 후보 사전(433)에 존재하는지를 여부를 결정할 수 있다. 완전 일치 탐색 모듈(430)은 예를 들어, 사용자 발화의 인식 시에 오류가 없으나 네트워크 상의 문제 또는 그 밖의 다양한 원인으로 인해 사용자 발화가 일시적으로 잘못 인식되었다가 차후에 이러한 문제가 해소된 경우를 대비한 것일 수 있다.
유사 후보 탐색 모듈(450)은 발음열과 완전 일치하는 문자열이 정답 후보 사전에 존재하지 않는 경우에 동작할 수 있다. 유사 후보 탐색 모듈(450)은 발음열과 일부 일치하는 문자열(또는 유사 문자열)이 정답 후보 사전에 존재하는지 여부를 결정할 수 있다. 유사 후보 탐색 모듈(450)은 발음열과 일부 일치하는 문자열, 다시 말해 유사 후보가 TOP 100 후보 사전(451)에 존재하는지 여부를 결정한 후, 전체 후보 사전(453)에 존재하는지를 여부를 결정할 수 있다.
완전 일치 탐색 모듈(430) 및 유사 후보 탐색 모듈(450) 모두 전술한 수학식 4를 통해 유사도를 산출하고, 미리 설정된 최대 개수(max N)만큼 후보들을 출력할 수 있다.
도 5는 일 실시예에 따른 정답 후보 사전의 생성 과정을 설명하기 위한 도면이다. 도 5를 참조하면, TOP 100 정답 후보 사전(550) 및 전체 정답 후보 사전(560)을 포함하는 정답 후보 사전(570)의 생성 과정이 도시된다.
정답 후보 사전(570)은 음악 DB(510)에 포함된 데이터를 가공함으로써 생성될 수 있다. 음악 DB(510)는 예를 들어, 가수 정보, 곡 정보 및 가수 정보와 곡 정보에 대응하는 동의어, 유사어 등의 부가 정보를 포함할 수 있다.
일 실시예에 따른 교정 장치는 TOP 100 정답 후보 사전(550)과 전체 정답 후보 사전(560)을 사용자 발화에 대응하는 발음열과 정답 후보 사전에 포함된 문자열 후보들 간의 유사도 비교에 이용할 수 있다.
교정 장치는 예를 들어, 정답 후보 사전(570)의 탐색 범위를 줄이기 위해 음악 DB(510)를 미리 설정된 기간(6개월) 동안의 누적 클릭 로그(click log)로 필터링(filtering)하여 일부 데이터를 추출할 수 있다(520).
교정 장치는 예를 들어, 음악 도메인의 특성상 신곡 대응을 위해 TOP 100 정답 후보 사전(550)을 별도로 구축할 수 있다. 교정 장치는 520에서 추출된 일부 데이터에 대한 부가 정보를 이용하여 예를 들어, 3개월 이내 출시곡으로서, 전체 인기도 순위 100 번째 이내에 해당하는 음악 컨텐츠를 TOP 100으로 선별할 수 있다(530). 교정 장치는 TOP 100을 발음 변환 모듈(540)에 입력함으로써 TOP 100에 대응하는 문자열 후보들을 획득할 수 있다. 교정 장치는 TOP 100에 대응하는 문자열 후보들에 의해 TOP 100 정답 후보 사전(550)을 구축할 수 있다. \
교정 장치는 520에서 추출된 일부 데이터를 발음 변환 모듈(540)에 입력함으로써 전체 정답 후보 사전(560)을 구축할 수 있다.
발음 변환 모듈(540)은 교정 장치 내에 포함될 수도 있고, 교정 장치의 외부에 존재할 수도 있다.
정답 후보 사전(570)은 예를 들어, 유사 후보 탐색을 위해 편집 거리가 고려된 트라이 형태 및 최대 개수만큼 후보를 저장하기 위해 최대 힙(max heap) 구조로 저장될 수 있다.
도 6은 일 실시예에 따른 스마트 스피커와 서버 간에 사용자 발화의 오류를 교정하는 방법을 설명하기 위한 도면이다. 도 6을 참조하면, 스마트 스피커(610) 및 서버(630)가 도시된다.
예를 들어, 스마트 스피커(610)가 "아이유 좋은 날 틀어줘"와 같이 가수명 및 곡명을 포함하는 사용자 발화를 수신했다고 하자. 스마트 스피커(610)는 사용자 발화를 대응하는 발음열로 변환한 후, 발음열을 서버(630)로 전송할 수 있다. 서버(630)는 전술한 과정과 같이 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정하고, 복수의 후보들에 대응하는 자질 목록에 기초하여, 복수의 후보들 중 어느 하나의 후보를 선택할 수 있다. 서버(630)는 선택된 후보에 기초하여 사용자 발화의 오류를 교정하고, 교정 결과를 직접 출력하거나, 또는 교정 결과에 대응하는 음악 컨텐츠를 검색하여 스마트 스피커(610)로 제공할 수도 있다. 스마트 스피커(610)는 "아이유 좋은 날 틀어드릴께요"와 같은 코멘트와 함께 서버(630)로부터 수신한 음악 컨텐츠를 사용자에게 제공할 수 있다.
도 6을 통해 설명한 동작은 스마트 스피커(610)에서 수행될 수도 있고, 서버(630)에서 수행될 수도 있으며, 도 6을 통해 설명한 것과 같이 일부 동작은 스마트 스피커(610)에서 수행되고, 나머지 일부 동작은 서버(630)에서 수행될 수도 있다.
도면에 도시하지 않았으나, 일 실시예에 따른 교정 장치는 통신 인터페이스 및 프로세서를 포함한다. 교정 장치는 메모리, 스피커, 및 디스플레이를 더 포함할 수 있다. 통신 인터페이스, 프로세서, 메모리, 스피커, 및 디스플레이는 통신 버스를 통해 서로 연결될 수 있다. 교정 장치는 예를 들어, 스마트 폰, 웨어러블 디바이스, 스마트 스피커 또는 이와 동일 또는 유사한 기능을 수행하는 사용자 장치이거나 또는 서버일 수 있다.
프로세서는 도 1 내지 도 6을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서는 프로그램을 실행하고, 교정 장치를 제어할 수 있다. 프로세서에 의하여 실행되는 프로그램 코드는 메모리에 저장될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기된 하드웨어 표시 장치는 실시예의 입력을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 비록 한정된 도면에 의해 실시예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 표시 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 가수명 및 곡명을 포함하는 사용자 발화에 대응하는 발음열을 수신하는 단계;
    상기 발음열에 기초하여 정답 후보 사전으로부터 복수의 후보들을 결정하는 단계;
    상기 복수의 후보들에 대응하는 자질 목록에 기초하여, 상기 복수의 후보들 중 어느 하나의 후보를 선택하는 단계; 및
    상기 선택된 후보에 기초하여 상기 사용자 발화의 오류를 교정하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  2. 제1항에 있어서,
    상기 발음열을 수신하는 단계는
    상기 사용자 발화에 기초한 음악 컨텐츠의 재생 요청에 실패한 경우, 상기 사용자 발화에 대응하는 발음열을 수신하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  3. 제1항에 있어서,
    상기 복수의 후보들을 결정하는 단계는
    상기 발음열과 상기 정답 후보 사전에 포함된 문자열 후보들 간의 유사도들을 산출하는 단계; 및
    상기 유사도들을 기초로, 상기 복수의 후보들을 결정하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  4. 제3항에 있어서,
    상기 유사도들을 산출하는 단계는
    상기 발음열의 삽입, 삭제, 치환, 및 역수에 따른 상기 문자열 후보들과의 의 거리에 기초하여 상기 유사도들을 산출하는 편집 거리 유사도(Damerau Levenshtein Edit distance);
    상기 발음열과 상기 문자열 후보들 간의 치환 비용에 접미사의 길이 가중치를 결합하여 상기 유사도들을 산출하는 자로-윙클러(Jaro-Winkler) 유사도; 및
    상기 발음열과 상기 문자열 후보들 간의 중복 비율을 이용하여 상기 유사도들을 산출하는 오버랩(Overlap) 유사도
    중 적어도 하나에 기초하여 상기 유사도들을 산출하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  5. 제3항에 있어서,
    상기 복수의 후보들을 결정하는 단계는
    상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 일부 일치하는 문자열이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계; 및
    상기 일부 일치하는 문자열에 기초하여 상기 복수의 후보들을 결정하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  6. 제3항에 있어서,
    상기 복수의 후보들을 결정하는 단계는
    상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 완전 일치하는 문자열이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계;
    상기 발음열과 완전 일치하는 문자열이 상기 정답 후보 사전에 존재하지 않는 경우, 상기 유사도들을 기초로, 상기 가수명 및 상기 곡명에 대응하는 발음열과 일부 일치하는 문자열이 상기 정답 후보 사전에 존재하는지 여부를 결정하는 단계; 및
    상기 완전 일치하는 문자열 또는 상기 일부 일치하는 문자열에 기초하여 상기 복수의 후보들을 결정하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  7. 제1항에 있어서,
    상기 정답 후보 사전은
    상기 가수명 및 곡명에 대한 정보, 상기 가수명 및 상기 곡명에 대한 동의어 부가 정보를 포함하는 음악 데이터베이스에 기초하여 생성되는, 사용자 발화의 오류를 교정하는 방법.
  8. 제1항에 있어서,
    상기 정답 후보 사전은
    미리 설정된 기준에 따른 일부 정답 후보 사전과 전체 정답 후보 사전 중 적어도 하나를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  9. 제1항에 있어서,
    상기 정답 후보 사전은
    미리 설정된 기간 동안의 누적 클릭 로그(click log)에 의해 필터링filtering)되는, 사용자 발화의 오류를 교정하는 방법.
  10. 제1항에 있어서,
    상기 복수의 후보들 중 어느 하나의 후보를 선택하는 단계는
    상기 자질 목록에 기초하여, 상기 복수의 후보들의 교정 필요 여부를 결정하는 단계; 및
    상기 교정 필요 여부에 기초하여 상기 어느 하나의 후보를 결정하는 단계
    를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  11. 제1항에 있어서,
    상기 자질 목록은
    상기 가수명 및 상기 곡명을 결합한 전체 유사도, 상기 가수명 유사도, 및 상기 곡명 유사도 중 적어도 하나를 포함하는, 사용자 발화의 오류를 교정하는 방법.
  12. 제1항에 있어서,
    상기 사용자 발화를 상기 발음열로 변환하는 단계
    를 더 포함하는, 사용자 발화의 오류를 교정하는 방법.
  13. 제1항에 있어서,
    상기 사용자 발화의 오류를 교정한 결과를 출력하는 단계
    를 더 포함하는, 사용자 발화의 오류를 교정하는 방법.
  14. 제1항에 있어서,
    상기 사용자 발화의 오류를 교정한 결과에 대응하는 음악 컨텐츠를 검색 및 제공하는 단계
    를 더 포함하는, 사용자 발화의 오류를 교정하는 방법.
  15. 하드웨어와 결합되어 제1항 내지 제14항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
KR1020190000139A 2019-01-02 2019-01-02 사용자 발화의 오류를 교정하는 방법 및 장치 KR102217621B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190000139A KR102217621B1 (ko) 2019-01-02 2019-01-02 사용자 발화의 오류를 교정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190000139A KR102217621B1 (ko) 2019-01-02 2019-01-02 사용자 발화의 오류를 교정하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200084130A true KR20200084130A (ko) 2020-07-10
KR102217621B1 KR102217621B1 (ko) 2021-02-19

Family

ID=71604202

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190000139A KR102217621B1 (ko) 2019-01-02 2019-01-02 사용자 발화의 오류를 교정하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102217621B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0785074A (ja) * 1993-06-23 1995-03-31 Hitachi Ltd 文書検索方法および装置
KR20090106936A (ko) * 2008-04-07 2009-10-12 삼성전자주식회사 문장 띄어쓰기 시스템 및 방법
KR20120052591A (ko) * 2010-11-16 2012-05-24 한국전자통신연구원 연속어 음성인식 시스템에서 오류수정 장치 및 방법
KR20120110751A (ko) * 2011-03-30 2012-10-10 포항공과대학교 산학협력단 음성 처리 장치 및 방법
KR20150087687A (ko) * 2014-01-22 2015-07-30 삼성전자주식회사 대화형 시스템, 디스플레이 장치 및 그 제어 방법
KR20170055970A (ko) * 2014-09-17 2017-05-22 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 컴퓨터로 구현되는 관련 아이템의 식별 기법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0785074A (ja) * 1993-06-23 1995-03-31 Hitachi Ltd 文書検索方法および装置
KR20090106936A (ko) * 2008-04-07 2009-10-12 삼성전자주식회사 문장 띄어쓰기 시스템 및 방법
KR20120052591A (ko) * 2010-11-16 2012-05-24 한국전자통신연구원 연속어 음성인식 시스템에서 오류수정 장치 및 방법
KR20120110751A (ko) * 2011-03-30 2012-10-10 포항공과대학교 산학협력단 음성 처리 장치 및 방법
KR20150087687A (ko) * 2014-01-22 2015-07-30 삼성전자주식회사 대화형 시스템, 디스플레이 장치 및 그 제어 방법
KR20170055970A (ko) * 2014-09-17 2017-05-22 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 컴퓨터로 구현되는 관련 아이템의 식별 기법

Also Published As

Publication number Publication date
KR102217621B1 (ko) 2021-02-19

Similar Documents

Publication Publication Date Title
US10210862B1 (en) Lattice decoding and result confirmation using recurrent neural networks
US9934777B1 (en) Customized speech processing language models
US8731926B2 (en) Spoken term detection apparatus, method, program, and storage medium
US10339920B2 (en) Predicting pronunciation in speech recognition
US6910012B2 (en) Method and system for speech recognition using phonetically similar word alternatives
US8423351B2 (en) Speech correction for typed input
US8954333B2 (en) Apparatus, method, and computer program product for processing input speech
KR20080069990A (ko) 음성 세그먼트 색인 및 검색 방법과 컴퓨터 실행 가능명령어를 갖는 컴퓨터 판독 가능 매체
US10366690B1 (en) Speech recognition entity resolution
US20150278192A1 (en) Language model adaptation based on filtered data
US10553206B2 (en) Voice keyword detection apparatus and voice keyword detection method
US11093110B1 (en) Messaging feedback mechanism
JP2006058899A (ja) 発話検索のためのラティス・ベースの検索システムおよび方法
US9607618B2 (en) Out of vocabulary pattern learning
CN112331229B (zh) 语音检测方法、装置、介质和计算设备
EP4352725A1 (en) Error correction in speech recognition
JP5897718B2 (ja) 音声検索装置、計算機読み取り可能な記憶媒体、及び音声検索方法
JP4966324B2 (ja) 音声翻訳装置、および方法
KR20120052591A (ko) 연속어 음성인식 시스템에서 오류수정 장치 및 방법
KR102217621B1 (ko) 사용자 발화의 오류를 교정하는 방법 및 장치
KR102299269B1 (ko) 음성 및 스크립트를 정렬하여 음성 데이터베이스를 구축하는 방법 및 장치
KR101982490B1 (ko) 문자 데이터 변환에 기초한 키워드 검색 방법 및 그 장치
JP2003162524A (ja) 言語処理装置
KR20110119478A (ko) 음성 인식 장치 및 음성 인식 방법
JP2021082125A (ja) 対話装置

Legal Events

Date Code Title Description
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant